释放双眼，带上耳机，听听看~！
本文详细讲解了如何使用MegEngine Lite的C++接口将训练好的shufflenet_v2模型部署到CPU（Linux x86/Android Arm）环境下运行，并提供了详细的环境准备和编译步骤。
本文将从获取一个训练好的 shufflenet_v2 模型出发， 讲解如何使用 MegEngine Lite 的 C++ 接口将其部署到 CPU（Linux x86 / Android Arm）环境下运行。主要分为以下小节：
参见：
MegEngine Lite 还可以 通过 Python 接口进行使用, 使用方便但有局限性。
导出已经训练好的模型获得用于 MegEngine Lite 推理的模型。
编写 Inference 代码从源码编译 MegEngine 中的介绍是一致的。
下面将演示在 Linux x86 下使用动态链接，Android Arm 上使用静态链接的流程：
-
首先需要 Clone 整个 MegEngine 工程，并进入到 MegEngine 的根目录：
git clone --depth=1 git@github.com:MegEngine/MegEngine.git
cd MegEngine
-
环境准备 & 执行编译：
Linux x86
准备编译依赖的子模块：
./third_party/prepare.sh
安装英特尔数学核心库（MKL）:
./third_party/install-mkl.sh
本机编译 MegEngine Lite:
scripts/cmake-build/host_build.sh
Android Arm
准备编译依赖的子模块：
./third_party/prepare.sh
从安卓 官网 下载 NDK 并解压到某路径， 并将改路径设置为 NDK_ROOT 环境变量：
export NDK_ROOT=/path/to/ndk
交叉编译 MegEngine Lite:
scripts/cmake-build/cross_build_android_arm_inference.sh
编译完成之后 MegEngine Lite 库和头文件路径 /path/to/megenginelite-lib
-
Linux x86:
build_dir/host/MGE_WITH_CUDA_OFF/MGE_INFERENCE_ONLY_ON/Release/install/lite/ -
Android Arm:
build_dir/android/arm64-v8a/Release/install/lite/
编译 Inference 代码MegEngine 旷视天元 （欢迎 star~
Gitee：MegEngine/MegEngine
MegEngine 官网：MegEngine-深度学习，简单开发
欢迎加入 MegEngine 技术交流 QQ 群：1029741705
本网站的内容主要来自互联网上的各种资源，仅供参考和信息分享之用，不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益，请联系我们，我们将尽快采取行动，包括删除或更正。
